Monsieur Mohammed RAHMANI
a présenté ses travaux intitulés « Optimisation Multi-objectives et Développement d’un Système de Livraison du Dernier Kilomètre Mixant Drones et Transports Public»
Résumé de la thèse :
La livraison urbaine du dernier kilomètre est confrontée à des défis tels que la congestion du trafic, les préoccupations environnementales et les coûts élevés. Cette thèse propose un système de livraison intelligent intégrant des drones avec les transports en commun pour améliorer l’efficacité et la durabilité. Les drones autonomes voyagent sur les transports publics (par exemple, les bus et tramways), complétant ainsi la dernière étape de livraison. Cette approche réduit l’impact environnemental et étend la portée de livraison des drones. Notre recherche aborde des défis clés tels que l’adaptation aux retards stochastiques dans les horaires des transports en commun, l’optimisation de la consommation d’énergie, la minimisation du temps de livraison et l’assurance d’une communication efficace. Pour relever ces défis, nous nous sommes basé sur des algorithmes de planification de trajectoire basés sur l’apprentissage par renforcement, utilisés pour permettre aux drones de s’ajuster dynamiquement aux conditions urbaines en temp réel, améliorant ainsi le processus de livraison du dernier kilomètre. Les principales contributions incluent : (i) Une première analyse comparative de la consommation d’énergie et du temps de livraison entre le système mixte drones/transports publics et un système exclusivement basé sur les drones. Le système mixte se révèle plus économe en énergie mais légèrement plus lent en raison des retards des transports publics. (ii) Le développement d’un algorithme basé sur le l’apprentissage par renforcement type Q-learning pour planifier des trajectoires optimisées en termes d’énergie et de délais de livraison dans des environnements urbains dynamiques. (iii) L’extension du Q-learning pour minimiser les interférences de communication des drones, surpassant ainsi les algorithmes traditionnels. (iv) L’exploration des Q-networks fédérées pour améliorer la planification de trajectoires pour plusieurs drones tout en garantissant la confidentialité des données et en augmentant la scalabilité du système. Les résultats suggèrent que ce système mixte peut considérablement améliorer l’efficacité et la durabilité de la livraison du dernier kilomètre dans la logistique urbaine.
Mots-clés : Drone,Transport public,Optimisation,Livraison du dernier kilomètre,Apprentissage par renforcement